The field grew, the programme did not: differential growth and substrate portability in artificial intelligence and education research, 2016–2026
Este estudio desafía la idea errónea de que la disminución en las cuotas de publicación indica un declive del campo al demostrar que, si bien la literatura general sobre IA en la educación creció cinco veces entre 2016 y 2026, subcampos específicos experimentaron tasas de crecimiento diferenciales impulsadas por la "portabilidad de sustrato" —la adaptabilidad de los constructos de investigación a nuevos entornos de datos— en lugar de una obsolescencia funcional.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Durante décadas, los investigadores han intentado utilizar las computadoras para comprender cómo aprenden las personas. Construyeron sistemas para rastrear el comportamiento de los estudiantes, predecir quién podría tener dificultades y ajustar las lecciones en tiempo real. Este trabajo dependía en gran medida de plataformas digitales que registraban cada clic y pulsación de tecla, creando vastos rastros de datos para analizar. Alrededor de 2022, llegó un nuevo tipo de tecnología: modelos de lenguaje extensos capaces de generar texto, responder preguntas y crear contenido instantáneamente. Este cambio capturó la imaginación de educadores e investigadores por igual, provocando un aumento masivo de nuevos estudios. Pero a medida que el volumen de investigación explotaba, surgió un patrón confuso. La proporción de artículos dedicados a los métodos más antiguos y pesados en datos parecía desvanecerse, lo que llevó a muchos a creer que esos campos habían muerto. La pregunta seguía siendo: ¿se habían abandonado las viejas formas de estudiar el aprendizaje o simplemente habían sido ahogadas por el tamaño descomunal de la nueva ola?
Un equipo de investigadores se propuso responder a esto analizando el número real de estudios publicados, no solo su proporción. Recopilaron casi 1.200 artículos académicos desde 2016 hasta mediados de 2026, dividiendo la cronología en dos eras: antes del auge de la inteligencia artificial generativa y después. Su objetivo era separar la composición de la literatura de la actividad real dentro de ella. Imagine una ciudad que crece de 100 personas a 1.000. Si un barrio específico, que solía albergar a 30 personas, se mantiene en 30 personas, su participación en la ciudad cae del 30% al 3%. Ante los ojos de un observador que solo mira porcentajes, ese barrio parece haber encogido o desaparecido. Pero en realidad, el número de personas que viven allí no ha cambiado en absoluto; la ciudad simplemente se hizo mucho más grande. Los investigadores aplicaron esta misma lógica al campo de la inteligencia artificial en la educación. Descubrieron que, si bien la proporción de artículos sobre temas más antiguos como la minería de datos educativos y la analítica del aprendizaje cayó drásticamente, el número real de artículos sobre estos temas no siempre desapareció. De hecho, para algunos temas, el número de estudios se mantuvo estable o incluso creció, solo que no tan rápido como los nuevos temas generativos.
El estudio reveló una historia de crecimiento diferencial en lugar de un reemplazo total. El campo en su conjunto se expandió más de cinco veces durante la década. Los programas de investigación más antiguos, que dependían de la recopilación de datos conductuales a largo plazo de los estudiantes, no crecieron al mismo ritmo frenético. Dos áreas específicas, la minería de datos educativos y la analítica del aprendizaje, experimentaron una caída genuina en el número de nuevos artículos publicados cada año. Otra área, los sistemas de tutoría inteligente, mantuvo su posición, publicando aproximadamente el mismo número de artículos que antes, a pesar de que su participación en el campo total se redujo significamente. Mientras tanto, nuevos temas como la integridad académica, la ética y el uso de herramientas generativas para la creación de materiales de curso explotaron en popularidad, creciendo mucho más rápido que el promedio del campo. Los investigadores descubrieron que la supervivencia de un tema de investigación dependía menos de cómo se llamaba y más de lo que requería para existir. Los temas que necesitaban plataformas complejas e instrumentadas para recolectar años de datos estudiantiles tuvieron dificultades para seguir el ritmo. Los temas que podían explorarse con texto simple o interacción inmediata, como discutir la ética o generar planes de lecciones, prosperaron.
Esta distinción es profundamente importante para cualquiera que intente comprender el estado actual del campo. Un nuevo investigador que entra en el campo hoy podría mirar la lista de temas populares y concluir que la capacidad de analizar datos estudiantiles ha sido abandonada. Sin embargo, los datos muestran que esta capacidad todavía se está desarrollando, solo que a un ritmo más lento y constante que el entusiasmo que rodea a las nuevas herramientas. El trabajo antiguo no ha sido borrado; ha sido superado en crecimiento. El estudio sugiere que el cambio no es un fracaso de los métodos antiguos, sino una consecuencia natural de una nueva tecnología que está disponible instantáneamente para todos, creando una inundación de nuevas preguntas que no requieren la misma infraestructura pesada para ser respondidas. Para las instituciones o educadores que buscan adoptar estas tecnologías, la lección es clara: los temas más visibles no son los únicos que existen. El trabajo fundacional para comprender el aprendizaje a través de los datos continúa, aunque ya no domine los titulares. El campo no ha perdido su pasado; simplemente se ha expandido a su alrededor, llevando tanto lo viejo como lo nuevo hacia adelante, pero a velocidades muy diferentes.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.